作者 | CDA數(shù)據(jù)分析師

情感分析是文本的語(yǔ)義挖掘，可識(shí)別和提取原始文本材料中的主觀信息，并幫助企業(yè)在監(jiān)控在線對(duì)話的同時(shí)了解其品牌，產(chǎn)品或服務(wù)的社會(huì)情緒。但是，對(duì)社交媒體流的分析通常僅限于基本的情緒分析和基于計(jì)數(shù)的指標(biāo)。這就好比僅僅是在表面劃過(guò)，而錯(cuò)過(guò)了那些等待被發(fā)現(xiàn)的高價(jià)值見(jiàn)解。那么，一個(gè)品牌應(yīng)該怎么做才能抓住那些容易獲得的，同時(shí)價(jià)值比較高的見(jiàn)解呢？

隨著深度學(xué)習(xí)的發(fā)展，算法分析文本的能力已經(jīng)有了很大的提高。創(chuàng)造性地運(yùn)用先進(jìn)的人工智能技術(shù)是進(jìn)行深入研究的有效工具。我們相信，根據(jù)以下內(nèi)容對(duì)客戶關(guān)于品牌的討論進(jìn)行分類非常重要：

• 客戶關(guān)注的品牌產(chǎn)品和服務(wù)的關(guān)鍵方面。
• 用戶對(duì)這些方面的潛在意圖和反應(yīng)。

這些基本概念在結(jié)合使用時(shí)，就成為一個(gè)非常重要的工具，可以準(zhǔn)確地分析數(shù)百萬(wàn)次品牌討論信息。在帖子中，我們以Uber為例，演示其工作原理。請(qǐng)繼續(xù)閱讀！

文本分類器-基本構(gòu)建塊

情緒分析

情緒分析是最常見(jiàn)的文本分類工具，它可以分析傳入的消息并判斷潛在的情緒是正面的，還是負(fù)面的，還是中立的。您可以在此處輸入一個(gè)您選擇的句子，并通過(guò)演示來(lái)判斷潛在的情緒。

意圖分析

意圖分析通過(guò)分析消息背后的用戶意圖，并確定其是否涉及意見(jiàn)，新聞，營(yíng)銷，投訴，建議，欣賞或查詢，從而來(lái)提升客戶服務(wù)的質(zhì)量。

上下文語(yǔ)義搜索（CSS）

現(xiàn)在事情變得很有趣了。想要獲得可行的結(jié)論見(jiàn)解，了解用戶在討論品牌的哪個(gè)方面是很重要的。例如：亞馬遜希望隔離與以下內(nèi)容相關(guān)的消息：延遲交貨，賬單問(wèn)題，促銷相關(guān)的查詢，產(chǎn)品評(píng)論等。另一方面，星巴克希望基于信息是否與員工行為，新咖啡口味，衛(wèi)生反饋，在線訂單，商店名稱和位置相關(guān)等進(jìn)行分類。但是，如何做到這一點(diǎn)呢？

我們介紹了一種智能搜索算法，稱為 上下文語(yǔ)義搜索（CSS）。CSS的工作方式是將數(shù)千條消息和一個(gè)概念（例如 Price）作為輸入，并過(guò)濾與給定概念緊密匹配的所有消息。下面所示的圖形展示了CSS如何對(duì)業(yè)界所使用的現(xiàn)有方法的改進(jìn)。

過(guò)濾所有與Price相關(guān)的消息的常規(guī)方法是對(duì)Price和其他緊密相關(guān)的單詞（例如:price，change，$，paid）進(jìn)行關(guān)鍵字搜索 。但是，這種方法不是很有效，因?yàn)閹缀醪豢赡芟氲剿邢嚓P(guān)的關(guān)鍵字，以及表示特定概念的變體。另一方面，CSS只是將概念名稱（Price）作為輸入，即使未提及概念關(guān)鍵字的明顯變體，也可以過(guò)濾所有上下文相似的內(nèi)容。

對(duì)于好奇的讀者，我們想看看這是如何工作的。AI技術(shù)用于將每個(gè)單詞轉(zhuǎn)換為超空間中的特定點(diǎn)，這些點(diǎn)之間的距離用于識(shí)別上下文與我們正在探索的概念相似的信息。下面的圖片展示了它的可視化效果：

下面來(lái)看一下CSS的實(shí)際應(yīng)用，以及它是如何在以下示例中處理與Uber相關(guān)的評(píng)論的：

同樣的，請(qǐng)看下面這條博文：

Flat rate was the best thing that happened this year. @uberbring it back!!!! #MakeUberGreatAgain

— A Boogie (@Finessenomics) March 3, 2017

在以上兩種情況下， 即使這些消息中未提及Price一詞 ，該算法也將這些消息分類為與Price相關(guān)的上下文。

Uber：深入分析

優(yōu)步是全球市值最高的初創(chuàng)企業(yè)，一直是共享經(jīng)濟(jì)的先驅(qū)。Uber在全球500多個(gè)城市開(kāi)展業(yè)務(wù)，并為龐大的用戶群提供服務(wù)，因此得到了用戶的大量反饋，建議和投訴。通常，社交媒體是記錄此類問(wèn)題的首選。大量的輸入數(shù)據(jù)使分析，分類和產(chǎn)生結(jié)論性見(jiàn)解成為一項(xiàng)具有挑戰(zhàn)性的任務(wù)。

我們分析了數(shù)字媒體上有關(guān)幾個(gè)產(chǎn)品主題的在線評(píng)論： 取消，付款，價(jià)格，安全和服務(wù)。

為了廣泛覆蓋數(shù)據(jù)源，我們從Uber官方Facebook頁(yè)面上的最新評(píng)論中收集了數(shù)據(jù)，這些推文中提到了Uber和有關(guān)Uber的最新新聞。以下是所有渠道上的數(shù)據(jù)點(diǎn)分布：

• Facebook： 34,173 條評(píng)論
• Twitter： 21,603 條推文
• News： 4,245 篇文章

分析用戶評(píng)論的情緒可以使您對(duì)整體品牌的認(rèn)知有一個(gè)了解。但是，要進(jìn)行更深入的研究，借助上下文語(yǔ)義搜索對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步分類是很重要的。

我們?cè)谕粋€(gè)數(shù)據(jù)集上運(yùn)行了上下文語(yǔ)義搜索算法，并考慮了上述的類別（取消，付款，價(jià)格，安全性和服務(wù)）。

FACEBOOK

情緒分析

值得注意的是，只有Price相關(guān)的正面評(píng)論數(shù)量超過(guò)負(fù)面評(píng)論 ，與其他所有類別相關(guān)的評(píng)論主要是負(fù)面情緒。為了深入研究，我們分析了這些評(píng)論的意圖。Facebook是一個(gè)社交平臺(tái)，評(píng)論充斥著隨機(jī)內(nèi)容，新聞分享，營(yíng)銷和促銷內(nèi)容以及垃圾郵件/無(wú)關(guān)內(nèi)容。我們來(lái)看一下Facebook評(píng)論上的意圖分析：

因此，我們刪除了所有這些不相關(guān)的意圖類別，并重新生成了結(jié)果：

每個(gè)類別的情感都有明顯的變化。特別是在Price相關(guān)評(píng)論中，正面評(píng)論的數(shù)量從46％下降到了29％。

這使我們了解了CSS如何從數(shù)字媒體中產(chǎn)生深入的見(jiàn)解。因此，一個(gè)品牌可以分析這樣的推文并從它們的積極點(diǎn)上或者從消極方面獲得產(chǎn)品或業(yè)務(wù)的反饋。

TWITTER

情緒分析

對(duì)獲得的推文也進(jìn)行了類似的分析。 在最初的分析中， 與Payment和 Safety相關(guān)的推文情緒比較復(fù)雜。

要了解真實(shí)的用戶意見(jiàn)，投訴和建議，我們必須再次過(guò)濾不相關(guān)的Tweets（垃圾郵件，垃圾郵件，市場(chǎng)營(yíng)銷，新聞和隨機(jī)信息）：

與 Payment 相關(guān)的正面推文數(shù)量顯著減少 。此外， Safety 類別（以及相關(guān)關(guān)鍵字）的正面推文數(shù)量也大幅下降 。

此外，Cancel，Payment和Service（以及相關(guān)詞）是Twitter評(píng)論中談?wù)撟疃嗟脑掝}。似乎人們談?wù)撟疃嗟氖撬緳C(jī)取消乘車以及向他們收取的取消費(fèi)?？纯催@個(gè)推文：

I still haven’t heard from you about you charging me a cancellation fee for the driver cancelling my ride!

— Anagh Padmanabhan (@anagh) March 2, 2017

像Uber這樣的品牌可以依靠這種分析方法，并根據(jù)最關(guān)鍵的話題采取行動(dòng)。例如， 與 Service 相關(guān)的推文所載的正向推文所占的百分比最低，而負(fù)向的推文所占的百分比最高。因此，Uber可以分析此類推文并對(duì)其采取行動(dòng)以提高服務(wù)質(zhì)量。

NEWS

可以理解，安全一直是新聞中談?wù)撟疃嗟脑掝}。有趣的是，在每個(gè)類別中，新聞情緒總體上都是正面的，個(gè)體上都是積極的。

我們也根據(jù)新聞的受歡迎程度對(duì)新聞進(jìn)行分類。受歡迎程度的得分歸因于該文章在不同社交媒體渠道上的占有率。以下是最熱門的新聞列表：

• 被批評(píng)之后，優(yōu)步首席執(zhí)行官離開(kāi)特朗普咨詢委員會(huì)
• DeleteUber：用戶對(duì)特朗普穆斯林禁令報(bào)廢這一應(yīng)用感到憤怒
• 優(yōu)步員工也討厭自己的企業(yè)文化
• 每次乘坐優(yōu)步，我們都會(huì)傳播其社會(huì)危害
• 司機(jī)在抗議和罷工中前往肯尼迪國(guó)際機(jī)場(chǎng)后，憤怒的客戶刪除Uber應(yīng)用

結(jié)論

隨著技術(shù)的進(jìn)步，從社交媒體數(shù)據(jù)中獲取有意義的反饋的時(shí)代已經(jīng)到來(lái)。Uber案例研究讓我們了解了上下文語(yǔ)義搜索算法的功能?，F(xiàn)在該是您的組織超越總體情緒和基于計(jì)數(shù)的指標(biāo)的時(shí)候了。許多公司一直在利用數(shù)據(jù)去獲取一些業(yè)務(wù)信息，但是想要獲得最深入的信息，您必須利用AI，深度學(xué)習(xí)和智能分類器（如上下文語(yǔ)義搜索和情感分析）的力量。